ディープ ラーニングを使用したオブジェクトの分類

ディープ ラーニングを使用したオブジェクトの分類


このツールは、入力ラスターとオプションのフィーチャクラスに対してトレーニング済みディープ ラーニング モデルを実行し、各入力オブジェクトにクラス ラベルを割り当てたフィーチャクラスまたはテーブルを作成します。

[現在のマップ範囲を使用] がオンの場合、現在のマップ範囲内に表示されるラスターの領域だけが解析されます。 オフの場合、ラスター全体が、現在のマップ範囲内になくても解析されます。

オブジェクトの分類に使用される画像の選択


オブジェクトの検出に使用される入力画像。

オブジェクトのフィーチャ レイヤーの選択 (オプション)


分類されラベル付けされる各オブジェクトの位置を識別するポイント、ライン、またはポリゴン入力フィーチャ レイヤー。 入力フィーチャ レイヤーの各行は、単一のオブジェクトを表します。

入力フィーチャ レイヤーが指定されない場合、このツールは、各入力画像に分類対象の単一オブジェクトが含まれていると判断します。 入力画像が空間参照を使用する場合、このツールからの出力はフィーチャ レイヤーとなり、各画像の範囲が各ラベル付きフィーチャの境界ジオメトリとして使用されます。 入力画像が空間参照されていない場合、このツールからの出力は、各画像の画像 ID 値とクラス ラベルを含むテーブルとなります。

オブジェクトの分類に使用されるディープ ラーニング モデルの選択


入力ディープ ラーニング パッケージ (* .dlpk) アイテム。

ディープ ラーニング パッケージは、Esri モデル定義 JSON ファイル (* .emd)、ディープ ラーニング バイナリ モデル ファイル、および使用されるオプションの Python ラスター関数から構成されます。

処理モード


モザイク データセットまたはイメージ サービス内のすべてのラスター アイテムを処理する方法を指定します。 入力ラスターがモザイク データセットまたはイメージ サービスである場合、このパラメーターが適用されます。

  • PROCESS_AS_MOSAICKED_IMAGE — モザイク データセットまたはイメージ サービス内のすべてのラスター アイテムがモザイク化され、処理されます。 これがデフォルト値になります。
  • PROCESS_ITEMS_SEPARATELY — モザイク データセットまたはイメージ サービス内のすべてのラスター アイテムが、個別の画像として処理されます。
<>

ディープ ラーニング モデルの引数の指定


関数の引数は、入力モデルによって参照される Python ラスター関数クラスで定義されます。 ここでは、実験や調整のための追加のディープ ラーニング パラメーターおよび引数 (感度を調整するための信頼性の閾値など) をリストします。

引数の名前は、ツールがラスター解析サーバー上で Python モジュールを読み取ることによって入力されます。

クラス ラベル フィールド名の定義


出力フィーチャ レイヤー内の分類ラベルを含むフィールドの名前。

フィールド名を指定しないと、出力フィーチャ レイヤーに ClassLabel という新しいフィールドが生成されます。

処理モード


イメージ サービス内のすべてのラスター アイテムを処理する方法を指定します。

  • モザイク画像として処理 - イメージ サービス内のすべてのラスター アイテムをモザイク化して処理します。 これがデフォルト値になります。
  • アイテムを別々に処理 - イメージ サービス内のすべてのラスター アイテムを別々のイメージとして処理します。

結果レイヤー名


[マイ コンテンツ] に作成され、マップに追加されるレイヤーの名前。 デフォルトの名前は、ツール名と入力レイヤー名に基づいて設定されます。 レイヤーがすでに存在する場合は、別の名前を指定するよう求められます。

[出力の保存場所] ドロップダウン ボックスを使用して、結果を保存する [マイ コンテンツ] 内のフォルダーの名前を指定できます。